一种多源异构网络环境下的边缘计算方法及其系统与流程

本发明涉及无线通信，更具体的，涉及一种多源异构网络环境下的边缘计算方法及其系统。

背景技术：

1、随着5g的推出，无线通信研究团体已经将目光投向b5g领域。b5g的最新趋势之一是在计算精度、延迟和资源利用率之间找到良好的折衷。因此，智能无线传感、通信、计算、缓存和控制等多方面技术的融合是至关重要。设计的技术和协议必须足够灵活，以满足不同领域的需求。虽然b5g仍在讨论中，但学术界和工业界已经达成的共识，即大规模多输入多输出（massive multi-input and multi-output，massive mimo）将继续发挥着核心作用。massive mimo算法主要包括以下：近似信息传递算法（approximate message passing，amp）及其推广的广义近似信息传递算法（generalized approximate message passing，gamp）、矢量近似信息传递算法（vector approximate message passing，vamp）、广期望一致信息恢复算法（generalized expectation consistent signal recovery，gec-sr）以及分布式广义期望一致信息恢复算法（decentralized generalized expectationconsistent signal recovery，degec-sr）等。

2、amp与gamp为估计独立同分布的目标信号的有效算法，已成功地应用于信号检测的各种研究。然而，gamp只能适用很少类的观测矩阵。从框架上来说，gamp为集中式。其即使在分布式天线的情况下，所有信息都必须收集到联合中心（fusion center，fc）进行处理。然而分布式天线是b5g中massive mimo的一个有前途的选择，因此amp和gamp存在这样的限制肯定是不可取的。

3、vamp和gec-sr为广义线性模型下提出的信号恢复算法，其可适用于一类通用的测量矩阵。然而对于高维的测量矩阵来说，vamp与gec-sr均需进行高维的矩阵求逆操作，其计算复杂度极大。虽然gec-sr的奇异值分解版本可降低计算成本，但是高维的奇异值分解计算仍然是许多应用的瓶颈。

4、基于gec-sr的框架，degec-sr为一种分布式算法。degec-sr的fc无需存储高维的测量矩阵，fc的计算负荷也可由本地计算处理单元（local computing processing unit，lcpu）分担，允许在lcpu进行并行处理。然而，当lcpu上的消息经过一次迭代，lcpu就需要同fc进行信息交换。degec-sr没有充分地利用lcpu的本地运算资源。

技术实现思路

1、本发明为了解决现有技术中信号检测的估计准确度低的问题，提出了一种多源异构网络环境下的边缘计算系统，提高了信号检测的估计准确度，充分运用了lcpu的本地运算资源。

2、为解决上述技术问题，本发明采用的技术方案是：

3、本发明第一方面提供了一种多源异构网络环境下的边缘计算方法，所述方法应用于分布式检测系统，所述方法步骤如下：

4、 k个本地计算处理单元lcpu通过分布式天线接收到目标信号的本地的观测信号。

5、本地计算处理单元lcpu根据本地的观测信号与对应的观测矩阵构建广义线性模型，通过igec算法将广义线性模型转换为图模型进行求解，得到目标信号的局部信息。

6、联合中心fc与本地计算处理单元lcpu进行信息交换，迭代估计得到目标信号的全局信息。

7、优选地，所述本地计算处理单元lcpu与联合中心fc通过切换开关进行模式选择。

8、切换开关包括节点a、b；当切换开关切换到节点a时，本地计算处理单元lcpu与联合中心fc之间的信息交换，并在联合中心fc上执行目标信号的全局检测；当切换开关切换到节点b时，本地计算处理单元lcpu执行内部的igec算法以实现目标信号的局部检测。

9、进一步地，将广义线性模型转换为图模型进行求解的方法是利用期望传播计算联合中心fc与本地计算处理单元lcpu之间交换的信息，并将信息映射到高斯分布，然后不断迭代估计得到目标信号。

10、更进一步地，开关进行切换的条件如下：

11、本地计算处理单元lcpu接收到部分观测信号后，执行内部的igec算法，当达到最大迭代次数的时候，将开关切换到节点a，联合中心fc与本地计算处理单元lcpu进行信息交换。

12、交换的信息是在本地计算处理单元lcpu上与目标信号相关的似然消息参数。

13、更进一步地，所述局部检测的方法如下：

14、本地计算处理单元lcpu得到的为部分观测信号和观测矩阵，本地计算处理单元lcpu依靠部分观测信号和观测矩阵使用igec算法去估计目标信号。

15、所述全局检测的方法如下：

16、联合中心fc与所有本地计算处理单元lcpu进行信息交换，得到所有lcpu估计的目标信号的似然消息参数，联合中心fc整合所有似然消息参数估计目标信号。

17、进一步地，在分布式检测系统中，广义线性模型表达如下：

18、

19、其中，为第 k个lcpu接收到的观测信号，为用户发送的目标信号，为用户与第 k个lcpu之间的观测矩阵，为的svd分解矩阵，为通信过程中引入的加性高斯白噪声，为量化操作。

20、更进一步地，用户是指目标信号的发射方，联合中心fc、本地计算处理单元lcpu为目标信号的接收方。

21、更进一步地，对于第 k个本地计算处理单元lcpu，观测矩阵是已知的；联合中心fc协同 k个本地计算处理单元lcpu从接收到的观测信号中恢复出用户发送的目标信号。

22、本发明第二方面提供了一种多源异构网络环境下的边缘计算系统，采用所述一种多源异构网络环境下的边缘计算方法，包括联合中心fc、若干个本地计算处理单元lcpu。

23、所述联合中心fc包括模块a，所述本地计算处理单元lcpu包括依次连接的模块b、模块c、模块d。

24、所述模块a用于实现联合中心fc与本地计算处理单元lcpu的信息交换。

25、所述模块b用于使lcpu执行内部igec算法的循环。

26、所述模块c为用于切换本地计算处理单元lcpu执行内部循环或联合中心fc与本地计算处理单元lcpu进行数据交换的开关。

27、所述模块d用于进行信息估计；本地计算处理单元lcpu通过分布式天线接收到目标信号的本地的观测信号；本地计算处理单元lcpu根据本地的观测信号以及对应的观测矩阵，通过模块b、模块d计算得到目标信号的局部信息，并通过模块a、模块c与联合中心fc进行信息交换；联合中心fc计算得到目标信号的全局信息。

28、更进一步地，模块a包括第一先验分布计算单元、第一处理单元、第一存储单元、第一通信单元。

29、模块b包括第二先验分布计算单元、第二处理单元、第二存储单元、第二通信单元。

30、模块c包括开关单元、第三处理单元、第三存储单元、第三通信单元。

31、模块d包括中间因子单元、后验分布计算单元、第四处理单元、第四存储单元、第四通信单元。

32、开关单元包括节点a、b；拨到开关节点a时，模块a、模块c、模块d电性连接；实现本地计算处理单元lcpu与联合中心fc之间的信息交换，并在联合中心fc上执行目标信号的全局检测。

33、拨到开关节点b时，模块b、模块c、模块d电性连接本地计算处理单元lcpu执行内部的igec算法以实现目标信号的局部检测。

34、与现有技术相比，本发明的有益效果是：

35、1.通过联合中心fc与本地计算处理单元lcpu的信息交换与协同，充分运用了lcpu的本地运算资源以此提高信号检测的估计准确度。

36、2.使用igec算法降低了lcpu上的计算负载。